CN107942382A

CN107942382A - 一种去除沉积背景的方法及装置

Info

Publication number: CN107942382A
Application number: CN201711089145.3A
Authority: CN
Inventors: 窦玉坛
Original assignee: China Petroleum and Natural Gas Co Ltd
Current assignee: China Petroleum and Natural Gas Co Ltd
Priority date: 2017-11-08
Filing date: 2017-11-08
Publication date: 2018-04-20
Anticipated expiration: 2037-11-08
Also published as: CN107942382B

Abstract

本申请实施例公开了一种去除沉积背景的方法及装置。所述方法提供有目的储层的地震数据；所述方法包括：对所述地震数据进行Wheeler变换，得到所述目的储层的Wheeler域地震数据；确定所述Wheeler域地震数据对应的协方差数据；基于所述协方差数据，确定所述Wheeler域地震数据中的沉积背景数据；根据所述Wheeler域地震数据和所述沉积背景数据，确定所述目的储层的岩性体地震数据。本申请实施例提供的技术方案，可以提高沉积背景的去除效果。

Description

一种去除沉积背景的方法及装置

技术领域

本申请涉及石油地球物理勘探技术领域，特别涉及一种去除沉积背景的方法及装置。

背景技术

岩性地层油气藏勘探潜力大，领域广，是油气勘探的主体。目前各研究组织在岩性地层油气藏勘探理论及地震沉积软件等方面均取得重大阶段进展，并推动了岩性地层油气藏以及致密油气的勘探进程。地震沉积分析技术也在各油气藏勘探开发中有了深入的应用。但是，煤系、火山岩等地层的沉积背景，往往会对上下储层造成屏蔽，导致现有地震沉积分析技术预测古河道、异常岩性体等难度较大。因此，有必要进行去除沉积背景的方法的研究。

针对煤系、火山岩等沉积背景去除问题，目前通常利用匹配追踪方法，将目的层的地震信号中的沉积背景信息匹配出来，然后从该地震信号中去除沉积背景，从而消除沉积背景对目的层有效反射信息的屏蔽作用。然而，针对地震信号中断续的沉积背景，在采用现有技术中的匹配追踪方法进行去除时，去除效果较差。

发明内容

本申请实施例的目的是提供一种去除沉积背景的方法及装置，以提高沉积背景的去除效果。

为解决上述技术问题，本申请实施例提供一种去除沉积背景的方法及装置是这样实现的：

一种去除沉积背景的方法，提供有目的储层的地震数据；所述方法包括：

对所述地震数据进行Wheeler变换，得到所述目的储层的Wheeler域地震数据；

确定所述Wheeler域地震数据对应的协方差数据；

基于所述协方差数据，确定所述Wheeler域地震数据中的沉积背景数据；

根据所述Wheeler域地震数据和所述沉积背景数据，确定所述目的储层的岩性体地震数据。

优选方案中，所述确定所述Wheeler域地震数据对应的协方差数据，包括：

对所述Wheeler域地震数据进行预处理，得到预处理后的Wheeler域地震数据；

对所述预处理后的Wheeler域地震数据进行归一化处理，得到归一化后的Wheeler域地震数据；

基于所述归一化后的Wheeler域地震数据，确定所述协方差数据。

优选方案中，所述预处理包括：扩散滤波处理。

优选方案中，采用下述公式对所述预处理后的Wheeler域地震数据进行归一化处理：

s_norm＝-1+(s_filter-s_filter ^min)/(s_filter ^max-s_filter)×[1-(-1)]

其中，s_norm表示所述归一化后的Wheeler域地震数据，s_filter表示所述预处理后的Wheeler域地震数据，s_filter ^min和s_filter ^max分别表示所述预处理后的Wheeler域地震数据中的最小值和最大值。

优选方案中，采用下述公式表征所述归一化后的Wheeler域地震数据：

其中，s_norm表示所述归一化后的Wheeler域地震数据，s_norm ^mn表示所述归一化后的Wheeler域地震数据中第n个地震道数据中的第m个采样点数据，n表示所述归一化后的Wheeler域地震数据中地震道的个数，m表示所述地震道中采样点的个数；

采用下述公式表征所述协方差数据：

其中，表示所述协方差数据，cov(s_norm ⁱ¹,s_norm ⁱ²)表示所述归一化后的Wheeler域地震数据中第n个地震道数据与第n个地震道数据之间的协方差，表示所述第n个地震道数据的平均值。

优选方案中，所述基于所述协方差数据，确定所述Wheeler域地震数据中的沉积背景数据，包括：

确定所述协方差数据对应的多个特征向量和多个特征根；其中，所述特征向量与所述特征根一一对应；

按照数值由大到小的顺序，对所述多个特征根进行排序，相应的，根据所述特征向量与所述特征根一一对应的关系，按照排序后的多个特征根的排列顺序对所述多个特征向量进行排序，得到特征向量集合；具体地，采用下述公式表征所述特征向量集合：

Ev＝(Ev₁,Ev₂…Ev_k)

Ev_k ^T＝[Ev^1k Ev^2k ... Ev^nk]

其中，Ev表示所述特征向量集合，Ev_k表示排序后的多个特征向量中第k个特征向量，Ev_k ^T表示Ev_k的转置矩阵，Ev^nk表示所述第k个特征向量中第n个数值；

对所述特征向量集合与所述归一化后的Wheeler域地震数据进行叠加处理，得到叠加向量数据；

从所述叠加向量数据中确定所述沉积背景数据。

优选方案中，采用下述公式对所述特征向量集合与所述归一化后的Wheeler域地震数据进行叠加处理：

Z＝s_norm×Ev

其中，Z表示所述叠加向量数据。

优选方案中，所述从所述叠加向量数据中确定所述沉积背景数据，包括：

将所述叠加向量数据中的第一分量数据作为所述沉积背景数据。

优选方案中，所述根据所述Wheeler域地震数据和所述沉积背景数据，确定所述目的储层的岩性体地震数据，包括：

将所述Wheeler域地震数据中指定地震道数据与所述沉积背景数据相减，得到所述目的储层的岩性体地震数据；其中，所述指定地震道数据表示所述Wheeler域地震数据中任一地震道数据。

一种去除沉积背景的装置，所述装置提供目的储层的地震数据；所述装置包括：Wheeler变换模块、协方差数据确定模块、沉积背景数据确定模块以及岩性体地震数据确定模块；其中，

所述Wheeler变换模块，用于对所述地震数据进行Wheeler变换，得到所述目的储层的Wheeler域地震数据；

所述协方差数据确定模块，用于确定所述Wheeler域地震数据对应的协方差数据；

所述沉积背景数据确定模块，用于基于所述协方差数据，确定所述Wheeler域地震数据中的沉积背景数据；

所述岩性体地震数据确定模块，用于根据所述Wheeler域地震数据和所述沉积背景数据，确定所述目的储层的岩性体地震数据。

本申请实施例提供了一种去除沉积背景的方法及装置，可以对所述地震数据进行Wheeler变换，得到所述目的储层的Wheeler域地震数据；可以确定所述Wheeler域地震数据对应的协方差数据；可以基于所述协方差数据，确定所述Wheeler域地震数据中的沉积背景数据；可以根据所述Wheeler域地震数据和所述沉积背景数据，确定所述目的储层的岩性体地震数据。如此，针对地震信号中断续或连续的沉积背景，采用本申请的方法均可以有效提取出所述Wheeler域地震数据中的沉积背景数据，从而可以提高沉积背景的去除效果。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请一种去除沉积背景的方法实施例的流程图；

图2是本申请实施例中Wheeler域预处理剖面示意图；

图3是本申请实施例中沉积背景数据的剖面示意图；

图4是本申请实施例中岩性体地震数据的剖面示意图；

图5是本申请去除沉积背景的装置实施例的组成结构图。

具体实施方式

本申请实施例提供一种去除沉积背景的方法及装置。

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

本申请实施例提供了一种去除沉积背景的方法。所述去除沉积背景的方法可以提供有目的储层的地震数据。

在本实施方式中，所述目的储层可以是指地质沉积相尚未确定的储层。所述目的储层的地震数据可以是沉积背景尚未去除的地震数据。

在本实施方式中，可以通过地震勘探的方式，获取所述目的储层的地震数据。

图1是本申请一种去除沉积背景的方法实施例的流程图。如图1所示，所述去除沉积背景的方法，包括以下步骤。

步骤S101：对所述地震数据进行Wheeler变换，得到所述目的储层的Wheeler域地震数据。

在本实施方式中，可以对所述地震数据进行Wheeler变换，得到所述目的储层的Wheeler域地震数据。具体地，可以基于所述地震数据，利用层位追踪解释的方法确定所述目的储层的层序边界。可以从所述层序边界中选取所述目的储层中上下连续的强反射轴作为控制层序边界。可以基于所述控制层序边界，对所述层序边界内部地层进行等比例劈分，并对等比例劈分后的层位进行层位拉平处理，得到所述目的储层的Wheeler域地震数据。

步骤S102：确定所述Wheeler域地震数据对应的协方差数据。

在本实施方式中，确定所述Wheeler域地震数据对应的协方差数据，具体可以包括，可以对所述Wheeler域地震数据进行预处理，得到预处理后的Wheeler域地震数据。可以对所述预处理后的Wheeler域地震数据进行归一化处理，得到归一化后的Wheeler域地震数据。可以基于所述归一化后的Wheeler域地震数据，确定所述协方差数据。

在本实施方式中，所述预处理可以包括：扩散滤波处理。具体地，可以采用相干增强各向异性扩散滤波的方法对所述Wheeler域地震数据进行扩散滤波处理，得到扩散滤波处理后的Wheeler域地震数据，以保证所述Wheeler域地震数据中内部地层层序的等时性，进一步增强反射同向轴的连续性和等时性。

在本实施方式中，可以采用下述公式对所述预处理后的Wheeler域地震数据进行归一化处理：

s_norm＝-1+(s_filter-s_filter ^min)/(s_filter ^max-s_filter)×[1-(-1)]

在本实施方式中，可以采用下述公式表征所述归一化后的Wheeler域地震数据：

采用下述公式表征所述协方差数据：

其中，cov_snorm表示所述协方差数据，cov(s_norm ⁱ¹,s_norm ⁱ²)表示所述归一化后的Wheeler域地震数据中第n个地震道数据与第n个地震道数据之间的协方差，表示所述第n个地震道数据的平均值。

步骤S103：基于所述协方差数据，确定所述Wheeler域地震数据中的沉积背景数据。

在本实施方式中，基于所述协方差数据，确定所述Wheeler域地震数据中的沉积背景数据，具体可以包括以下步骤：

(1)可以确定所述协方差数据对应的多个特征向量和多个特征根；其中，所述特征向量与所述特征根一一对应。

(2)可以按照数值由大到小的顺序，对所述多个特征根进行排序，相应的，根据所述特征向量与所述特征根一一对应的关系，按照排序后的多个特征根的排列顺序对所述多个特征向量进行排序，得到特征向量集合。具体地，采用下述公式表征所述特征向量集合：

Ev＝(Ev₁,Ev₂…Ev_k)

Ev_k ^T＝[Ev^1k Ev^2k ... Ev^nk]

其中，Ev表示所述特征向量集合，Ev_k表示排序后的多个特征向量中第k个特征向量，Ev_k ^T表示Ev_k的转置矩阵，Ev^nk表示所述第k个特征向量中第n个数值。

(3)可以对所述特征向量集合与所述归一化后的Wheeler域地震数据进行叠加处理，得到叠加向量数据。

(4)可以从所述叠加向量数据中确定所述沉积背景数据。

在本实施方式中，可以采用下述公式对所述特征向量集合与所述归一化后的Wheeler域地震数据进行叠加处理：

Z＝s_norm×Ev

具体地，

其中，Z表示所述叠加向量数据。

在本实施方式中，从所述叠加向量数据中确定所述沉积背景数据，具体可以包括，可以将所述叠加向量数据中的第一分量数据作为所述沉积背景数据。其中，所述第一分量数据表示所述叠加向量数据中的第一列数据。

步骤S104：根据所述Wheeler域地震数据和所述沉积背景数据，确定所述目的储层的岩性体地震数据。

在本实施方式中，根据所述Wheeler域地震数据和所述沉积背景数据，确定所述目的储层的岩性体地震数据，具体可以包括，可以将所述Wheeler域地震数据中指定地震道数据与所述沉积背景数据相减，得到所述目的储层的岩性体地震数据。其中，所述指定地震道数据表示所述Wheeler域地震数据中任一地震道数据。

进一步地，还可以根据所述目的储层的岩性体地震数据，采用地震沉积学分析方法，刻画所述目的储层的地质沉积相。

在一个具体实施场景中，鄂尔多斯盆地SLG工区为典型的低孔、低渗致密气田，主力气层为上古生界二叠系的盒8、山1、山2砂岩层，该砂岩层为强非均质性的薄储层。但该工区的山2和太原组普遍发育煤层，在地震上表现为强振幅特征，对盒8、山1、山2砂岩层有强烈的屏蔽作用，同时煤层的均一沉积作用也掩盖了储层的部分特征。将本申请的方法应用于鄂尔多斯盆地SLG地区S19*工区，其主要的步骤是：

(1)将原始地震体转换为Wheeler域并进行预处理。

图2是本申请实施例中Wheeler域预处理剖面示意图。图2中的Wheeler域去噪剖面为该工区内的Line943线的地震数据转换为Wheeler域后，进行扩散滤波的预处理的剖面。如图2所示，由于太原组煤层强反射的影响，山2储层位于波谷内，其储层特征被掩盖，同时由于均一沉积的影响，山1储层过于连续，与实际沉积特征不符合。这种原始Wheeler域剖面不能直接作为地震沉积分析的数据。

(2)通过线性方法提取沉积背景数据。

对预处理后的Wheeler域地震数据进行归一化处理，得到归一化处理后的Wheeler域地震数据。再根据归一化处理后的Wheeler域地震数据求取协方差数据，确定所述协方差数据对应的多个特征向量和多个特征根，并按照数值由大到小的顺序，对所述多个特征根进行排序，相应的，根据所述特征向量与所述特征根一一对应的关系，按照排序后的多个特征根的排列顺序对所述多个特征向量进行排序，得到特征向量集合。对所述特征向量集合与所述归一化后的Wheeler域地震数据进行叠加处理，得到叠加向量数据。将所述叠加向量数据中的第一分量数据作为所述沉积背景数据。图3是本申请实施例中沉积背景数据的剖面示意图。沉积背景数据的剖面为图2中的沉积背景数据的剖面，即求得的Line943线对应的沉积背景数据的剖面。如图3所示，通过沉积背景数据的剖面，可以看出，太原组煤层以及上下均一的沉积背景已经被提取出来。

(3)基于所提取的沉积背景数据，确定岩性体地震数据。

将所述Wheeler域地震数据中每一个地震道数据均与所述沉积背景数据相减，得到所述目的储层的岩性体地震数据。图4是本申请实施例中岩性体地震数据的剖面示意图。所述岩性体地震数据的剖面为图2中的Line943线处理后岩性体剖面。如图4所示，CDP91处有钻井b7井，基于所述岩性体剖面，通过井震标定，可以看出，b7井点位置处的山1、山2砂体与伽马吻合度较高，而且横向连续且变化自然，符合实际的地质沉积情况。

所述去除沉积背景的方法实施例，可以对所述地震数据进行Wheeler变换，得到所述目的储层的Wheeler域地震数据；可以确定所述Wheeler域地震数据对应的协方差数据；可以基于所述协方差数据，确定所述Wheeler域地震数据中的沉积背景数据；可以根据所述Wheeler域地震数据和所述沉积背景数据，确定所述目的储层的岩性体地震数据。如此，针对地震信号中断续或连续的沉积背景，采用本申请的方法均可以有效提取出所述Wheeler域地震数据中的沉积背景数据，从而可以提高沉积背景的去除效果。

图5是本申请去除沉积背景的装置实施例的组成结构图。所述去除沉积背景的装置提供目的储层的地震数据。如图5所示，所述去除沉积背景的装置可以包括：Wheeler变换模块100、协方差数据确定模块200、沉积背景数据确定模块300以及岩性体地震数据确定模块400。

所述Wheeler变换模块100，可以用于对所述地震数据进行Wheeler变换，得到所述目的储层的Wheeler域地震数据。

所述协方差数据确定模块200，可以用于确定所述Wheeler域地震数据对应的协方差数据。

所述沉积背景数据确定模块300，可以用于基于所述协方差数据，确定所述Wheeler域地震数据中的沉积背景数据。

所述岩性体地震数据确定模块400，可以用于根据所述Wheeler域地震数据和所述沉积背景数据，确定所述目的储层的岩性体地震数据。

所述去除沉积背景的装置实施例与所述去除沉积背景的方法实施例相对应，可以实现去除沉积背景的方法实施例的技术方案，并取得方法实施例的技术效果。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog2。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的装置、模块，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。

为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。该计算机软件产品可以包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。该计算机软件产品可以存储在内存中，内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括短暂电脑可读媒体(transitory media)，如调制的数据信号和载波。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

虽然通过实施例描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。

Claims

1.一种去除沉积背景的方法，其特征在于，提供有目的储层的地震数据；所述方法包括：

确定所述Wheeler域地震数据对应的协方差数据；

2.根据权利要求1所述的一种去除沉积背景的方法，其特征在于，所述确定所述Wheeler域地震数据对应的协方差数据，包括：

3.根据权利要求2所述的一种去除沉积背景的方法，其特征在于，所述预处理包括：扩散滤波处理。

4.根据权利要求2所述的一种去除沉积背景的方法，其特征在于，采用下述公式对所述预处理后的Wheeler域地震数据进行归一化处理：

s_norm＝-1+(s_filter-s_filter ^min)/(s_filter ^max-s_filter)×[1-(-1)]

5.根据权利要求2所述的一种去除沉积背景的方法，其特征在于，采用下述公式表征所述归一化后的Wheeler域地震数据：

采用下述公式表征所述协方差数据：

<mrow> <mi>cov</mi> <mrow> <mo>(</mo> <msup> <msub> <mi>s</mi> <mrow> <mi>n</mi> <mi>o</mi> <mi>r</mi> <mi>m</mi> </mrow> </msub> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msup> <mo>,</mo> <msup> <msub> <mi>s</mi> <mrow> <mi>n</mi> <mi>o</mi> <mi>r</mi> <mi>m</mi> </mrow> </msub> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msup> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <mrow> <mo>(</mo> <msup> <msub> <mi>s</mi> <mrow> <mi>n</mi> <mi>o</mi> <mi>r</mi> <mi>m</mi> </mrow> </msub> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msup> <mo>-</mo> <mover> <mrow> <msup> <msub> <mi>s</mi> <mrow> <mi>n</mi> <mi>o</mi> <mi>r</mi> <mi>m</mi> </mrow> </msub> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msup> </mrow> <mo>&OverBar;</mo> </mover> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msup> <msub> <mi>s</mi> <mrow> <mi>n</mi> <mi>o</mi> <mi>r</mi> <mi>m</mi> </mrow> </msub> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msup> <mo>-</mo> <mover> <mrow> <msup> <msub> <mi>s</mi> <mrow> <mi>n</mi> <mi>o</mi> <mi>r</mi> <mi>m</mi> </mrow> </msub> <mrow> <mi>i</mi> <mi>n</mi> </mrow> </msup> </mrow> <mo>&OverBar;</mo> </mover> <mo>)</mo> </mrow> <mo>/</mo> <mrow> <mo>(</mo> <mi>m</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>

6.根据权利要求5所述的一种去除沉积背景的方法，其特征在于，所述基于所述协方差数据，确定所述Wheeler域地震数据中的沉积背景数据，包括：

Ev＝(Ev₁,Ev₂…Ev_k)

Ev_k ^T＝[Ev^1k Ev^2k ... Ev^nk]

从所述叠加向量数据中确定所述沉积背景数据。

7.根据权利要求6所述的一种去除沉积背景的方法，其特征在于，采用下述公式对所述特征向量集合与所述归一化后的Wheeler域地震数据进行叠加处理：

Z＝s_norm×Ev

其中，Z表示所述叠加向量数据。

8.根据权利要求6所述的一种去除沉积背景的方法，其特征在于，所述从所述叠加向量数据中确定所述沉积背景数据，包括：

9.根据权利要求1所述的一种去除沉积背景的方法，其特征在于，所述根据所述Wheeler域地震数据和所述沉积背景数据，确定所述目的储层的岩性体地震数据，包括：

10.一种去除沉积背景的装置，其特征在于，所述装置提供目的储层的地震数据；所述装置包括：Wheeler变换模块、协方差数据确定模块、沉积背景数据确定模块以及岩性体地震数据确定模块；其中，